基于时频分析的个性化脑机接口设计

基于时频分析的个性化脑机接口设计

脑机接口（bci）是一种基于脑电池的技术，而不依赖于大脑的正常输出路径（即周围神经和肌肉）。它用于计算机或其他电子设备的通信和控制。它可为思维正常但运动功能残缺的人提供一种新型的辅助运动和对外信息交流手段。基于运动想象的BCI,因其内源性,不依赖人的感觉通路,以及不需要外部刺激装置等诸多优点,成为BCI研究领域的一个热点。然而,目前大多数关于运动想象BCI的研究中,忽略了不同用户的个体差异性。对不同受试者采用相同电极设置,提取相同的特征,采用相同的算法和参数,这导致分类正确率往往因人而异,限制了运动想象BCI系统的进一步实用化。所以,个性化BCI设计逐步受到越来越多的研究者的重视。为了提高脑—机接口的分类正确率和实时性,降低特征提取和分类算法的复杂度,本研究提出了基于时频分析的个性化脑—机接口设计方案。针对不同用户进行个性化设计,有效减少了特征提取地盲目性,实现了用最少的导联,最少的特征向量,较简单的特征提取和分类算法,取得很好的分类效果,具有较高实用价值。1实验设计bci1.1肌肉紧张与实际运动受试对象为5名在校大学生,均为男性,右利手,无神经系统病史,年龄在23岁～27岁之间。受试者坐在一个舒适的高靠背椅子上,全身肌肉处于放松状态,不产生任何的肌肉紧张与实际运动。单次实验流程如图1所示。①前2s内,屏幕显示固定的十字叉,受试者此阶段处于思维放松状态,不进行任何想象;②在第2s开始时,产生一个提示音,提示受试者集中注意力,等待想象指令的出现;③从第3s开始,屏幕出现左右箭头提示,受试者根据提示内容,分别想象左右手抓握动作。受试者的想象思维活动一直持续到第7s,屏幕上箭头消失时结束。④单次实验结束后,系统产生1s～2s之间的随机间隔,然后继续下一次实验。1.2脑电ag/agcl电极采用国际10/20系统电极放置标准,选取了其中53导进行测量,电极位置如图2所示。电极的放置基本上全面覆盖了大脑头皮表层,其中在大脑感觉运动功能区比较集中,主要因为该区域在生理上与运动相关,在运动想象时预计会有较为显著的变化,故增加该区域电极密度以获取较高的空间分辨率。电极采用Ag/AgCl电极,以左耳垂为参考。采样频率为256Hz,带通滤波0.5Hz～30Hz,50Hz陷波,电极阻抗<5kΩ。2基于时频分析的个性化bci资源分析2.1快速计算的优点谱图可以看作是平滑后的Wigner-Ville分布,具有实值、非负,快速计算,物理意义明确等众多优点。它能够表征信号在时频面的能量分布,并且重排后的谱图在一定程度上进一步减小了交叉项的干扰,满足对EEG频带能量分析的要求,所以,本研究选择重排谱图作为EEG时频分析工具。2.2带能量特征差脑推进erd实验通过对多导联EEG数据进行离线谱图分析,量化不同导联EEG信号在想象左右手运动时,其各个频带能量随时间的变化规律。然后分析各导联EEG信号不同频带能量变化特征在左右手运动想象时的差异,并将此特征差通过脑地形图法成像,观察特征差在大脑皮层的分布。进而为不同用户的电极位置选择,和特征频带的确定提供直接依据,实现了基于频带能量特征的运动想象BCI的个性化设计。本研究将此方法称为:“基于时频分析的左右手运动想象频带能量特征差脑地形图法”,其具体实现步骤如下:1)单次实验谱图分析。对每次实验流程(即单个试验)的所有导联数据进行重排谱图分析,得到其能量在时频面上的分布。2)单次实验频带能量事件相关去同步(event-relateddesynchronization,ERD)分析。在时频面能量分布的基础上,对每一导联的时频分布计算第3s之后的能量值相对于同频带在第0s～2s能量均值的变化,从而得到单次实验频带能量ERD分布。3)计算每一导联的左右手运动想象平均ERD分布。对同一导联,同一运动想象类型的所有试验的ERD分布进行叠加平均,得到具有统计意义的左右手运动想象在不同导联位置的ERD分布图。4)计算不同导联处左右手运动想象的频带能量特征差。在步骤3)中得到的左右手运动想象平均ERD分布基础上,计算各个频段其在第3s～7s的平均ERD值,并用此值代替原ERD分布的第3s～7s的值,以便凸显ERD特征。然后将左右手的频带能量ERD分布相减,得到频带能量特征差分布。5)绘制不同频带能量特征差脑地形图。根据上一步得到的各个导联频带能量特征差的分布,结合电极位置,绘制不同频段下的左右手运动想象频带能量特征差脑地形图。6)确定电极位置和特征频段。通过观察各个频段能量特征差脑地形图,可以清楚的看到在不同频段下,左右手想象时能量特征差异的大小和分布。根据特征差的聚焦性,对称性以及大小来确定个性化的最佳电极位置和最佳特征频段。2.3左、右运动想象同侧ers分析以受试者1的数据为例介绍上述个性化特征分析的处理效果。图3为受试者1感觉运动皮层9个电极位置的时频分析结果(其他导联未列出)。其中第一列是左手想象时,各导联位置EEG的平均ERD分布图;第二列是右手想象时,各导联位置EEG的平均ERD分布图;第三列是频带能量ERD特征差分布图。从第一列可以看到,受试者1在左手运动想象时(第3s之后),在感觉运动皮层的大多数电极上的α,β都出现了不同程度的ERD现象(深色区域),即左手运动想象时频带能量比参考时段有所降低,几乎没有出现Pfurtscheller所研究的同侧ERS现象。但仔细观察便可发现,当左手运动想象时,大脑对侧导联的ERD要比大脑同侧ERD现象更加明显,这一点和Pfurtscheller的结论一致。同理,从第二列右手想象各导联的ERD分布中,可以得到与左手想象时对偶的结论。图3的第三列为左右手运动想象时同一导联EEG的不同频段的ERD特征差的分布图。可以明显的看出:在大脑左侧感觉运动区,右手运动想象比左手运动想象在同一导联产生更明显的ERD现象,所以特征差为正值;而在大脑右侧感觉运动区,左手运动想象比右手运动想象在同一导联产生更明显的ERD现象,所以特征差为负值。特征差显著的频段如图3中的椭圆标定区域所示。为了更直观的显示不同频段,左右手运动想象时的ERD特征差在大脑的分布,以便确定特征频段和最佳电极位置,本研究分别对7Hz～30Hz,每2Hz做特征差脑地形图,如图4所示。从图中可以看到,21Hz～30Hz时左右手想象特征差最明显,而且在感觉运动皮层有较好的对称性和聚焦特性,而其他频段不具有这样的特征。所以最终可以确定受试者1的特征频段为21Hz～30Hz,最佳电极位置为FC3,C4。可以看出,大多数研究用来作为分类特征的μ节律(8Hz～12Hz)能量特征在suject1左右手想象时并没有显著差异,其对分类没有贡献,所以不能作为该受试者的特征频带,这就减少了后续特征提取的盲目性,并减少了特征提取的运算量。同时,最佳电极位置也和大多数研究中的C3,C4有所不同。3最佳导联位置和最佳特征本研究采用AR模型对每一导EEG数据进行功率谱估计,并提取特征频段的信号能量作为特征,然后将各导的能量特征组成特征向量用于分类。其中AR模型参数估计采用Burg算法,最佳导联位置和最佳特征频带等个性化参数均由上述特征差脑地形图得到。以Subject1为例,其特征频带为21Hz～30Hz,电极位置为FC3,C4,所以其特征向量由2个导联EEG信号的21Hz～30Hz频带能量构成,共2个特征值。分类算法采用Mahalanobis距离法。4不同时频分析的实验结果共有5名受试者参与了本实验。其中受试者4主述其在实验过程中完全不能集中注意力,没能按照实验要求完成既定运动想象思维任务,不适应本实验流程。而受试者5的EEG数据中有大量眨眼,眼动和肌电干扰,而且几乎每个单次实验流程都会出现,其主述实验过程比较紧张,不自主地会出现眨眼,吞咽唾液,出汗等现象,思维任务完成也不是很好,所以受试者4,5的数据没有使用价值。其他3个受试者均能够较好的完成实验任务,数据中干扰在接受范围之内,本研究将受试者1～受试者3的干扰较大数据人为剔除,其余数据作为后续信号处理的样本数据。实验结果如表1所示。图5是受试者1在1.5s时窗下的连续分类正确率曲线。从个性化BCI特征分析过程和实验结果可以看出,通过了本研究的基于时频分析的个性化BCI设计后,为选择用户个性化的最